促进可持续性 Web 智能体：通过经验与理论分析基准测试能源消耗

Web 智能体，如 OpenAI 的 Operator 和 Google 的 Project Mariner，是推动大型语言模型（LLM）边界的强大智能体系统。它们可以在用户要求下自主与互联网交互，例如浏览网站、填写搜索表格和比较价格清单。尽管 Web 智能体研究正蓬勃发展，但由此引发的可持续性问题仍鲜有探讨。为凸显此问题的紧迫性，我们提供了从理论——通过估计——以及实证——通过基准测试——两个角度探索 Web 智能体能源和 $CO_2$ 成本的初始研究。我们的结果表明，Web 智能体的不同创建哲学对其消耗的能源具有深远影响，且更多的能源消耗并不一定等同于更好的结果。我们指出，对于某些 Web 智能体，缺乏披露模型参数和用于其的过程的透明度，是估计能源消耗的限制因素。我们的工作促进了对 Web 智能体评估方式的思维转变，主张在基准测试中采用专门衡量能源消耗的指标。